整合-人工智能-PHP中文网

> Langchain-kùzu集成软件包现已在PYPI上可用，无缝将Langchain的功能与Kùzu的图形数据库连接起来。这种强大的组合简化了将非结构化文本转换为结构化图，从而使数据科学家，开发人员和AI爱好者都受益。让我们探索其关键功能和功能。

关键学习点

本教程将涵盖：

>使用langchain-kùzu将非结构化文本转换为结构化的图形数据库。
>

>本文是数据科学博客马拉松的一部分。

> 目录的表：

QuickKùzu安装 Langchain-kùzu的优势

入门：一个实践的例子

高级功能探索
入门（重新访问）
结论
常见问题
Quickkùzu安装

这包括Langchain，Kùzu和OpenAI GPT模型支持。其他LLM可以通过各自的兰链兼容套件进行集成。>

为什么选择langchain-kùzu？

pip install -U langchain-kuzu langchain-openai langchain-experimental

登录后复制

>非常适合使用非结构化文本和创建图表表示，此软件包提供：>

灵活的模式：很容易定义并提取实体和关系。

>文本到图形转换：

使用LLMS的原始文本结构有意义的图形。

自然语言查询：与兰班的graphqachain直观地查询图。
>简化的集成：将langchain的llms与kùzu连接到有效的工作流程。
让我们用一个实用的例子来说明这一点。
首先，创建一个本地的kùzu数据库并建立一个连接：>

开始使用langchain-kùzu

> langchain-kùzu简化了图形创建和从非结构化文本进行更新，并使用Langchain的LLM链通过Text2Cypher管道查询。首先创建一个

>对象：

import kuzu

db = kuzu.Database("test_db")
conn = kuzu.Connection(db)

登录后复制

考虑此示例文本：

“蒂姆·库克（Tim Cook）是苹果的首席执行官。苹果在加利福尼亚设有总部。

KuzuGraph

pip install -U langchain-kuzu langchain-openai langchain-experimental

登录后复制

>步骤1：定义图架构

指定实体（节点）和关系：>

import kuzu

db = kuzu.Database("test_db")
conn = kuzu.Connection(db)

登录后复制

>步骤2：将文本转换为图文档

>使用

构建文本：LLMGraphTransformer

from langchain_kuzu.graphs.kuzu_graph import KuzuGraph
graph = KuzuGraph(db, allow_dangerous_requests=True)

登录后复制

>步骤3：将图形文档添加到kùzu

>将文档加载到kùzu：

text = "Tim Cook is the CEO of Apple. Apple has its headquarters in California."

登录后复制

# Define schema
allowed_nodes = ["Person", "Company", "Location"]
allowed_relationships = [
    ("Person", "IS_CEO_OF", "Company"),
    ("Company", "HAS_HEADQUARTERS_IN", "Location"),
]

登录后复制

注意：set

inallow_dangerous_requests=True>如果遇到错误。KuzuGraph>

查询图形

使用

自然语言查询：KuzuQAChain

from langchain_core.documents import Document
from langchain_experimental.graph_transformers import LLMGraphTransformer
from langchain_openai import ChatOpenAI

# Define the LLMGraphTransformer
llm_transformer = LLMGraphTransformer(
    llm=ChatOpenAI(model="gpt-4o-mini", temperature=0, api_key='OPENAI_API_KEY'),  # noqa: F821
    allowed_nodes=allowed_nodes,
    allowed_relationships=allowed_relationships,
)

documents = [Document(page_content=text)]
graph_documents = llm_transformer.convert_to_graph_documents(documents)

登录后复制

高级功能

> langchain-kùzu提供：